BenchLeader

Gemini 3.5 Flash vs Muse Wonder Full

詳しいプロフィール:Gemini 3.5 Flash(Google)とMuse Wonder Full(Meta)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 12件の情報源のデータ

2026年11月16日時点で、Gemini 3.5 FlashとMuse Wonder Fullの品質は互角です(BenchLeader Indexで62.5 対 61.7、±3.6の誤差範囲内)。知識(63 対 62)を重視するならGemini 3.5 Flash、コーディング(70 対 60)、長文コンテキスト(67 対 61)、推論(66 対 61)を重視するならMuse Wonder Fullが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.5 Flashが62.5、Muse Wonder Fullが61.7です(BenchLeader、2026年11月16日)。
  • Gemini 3.5 Flashの100万トークンあたりのブレンド価格は$3.38です(定価、2026年11月16日)。
  • 両モデルに結果がある27件のベンチマークのうち、Muse Wonder Fullが26件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGemini 3.5 Flashが1500、Muse Wonder Fullが1724です(LMArena、2026年11月16日までの公開値)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
コーディングMuse Wonder Fullカテゴリスコア70 対 60;Arena WebDev 1724 対 1500高
エージェント・ツール利用どちらでもカテゴリスコア63 対 64;GDPval-AA v2.1 1211 対 1857どちらでも
推論Muse Wonder Fullカテゴリスコア66 対 61;Humanity's Last Exam (AA) 53.6% 対 42.7%中
知識Gemini 3.5 Flashカテゴリスコア63 対 62;LegalBench 83.6% 対 87.4%中
長い文書Muse Wonder Fullカテゴリスコア67 対 61;AA-LCR v1.1 83.7% 対 73.3%中
チャットの質(人間の評価)–Arenaの評価があるのはGemini 3.5 Flashのみです(カテゴリスコア67)比較不可
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • Gemini 3.5 Flash (high)とMuse Wonder Full (max)の品質は互角です(62.5 対 61.7、±3.6の誤差範囲内)。
  • Gemini 3.5 Flash (high)は知識で優れています。
  • Muse Wonder Full (max)はエージェント・ツール、コーディング、長文コンテキスト、推論で優れています。

概要

仕様Gemini 3.5 FlashMuse Wonder Full
プロバイダーGoogleMeta
リリース日2026年5月19日2026年10月12日
コンテキストウィンドウ(トークン)1,048,5761,000,000
比較した構成Gemini 3.5 Flash (high)Muse Wonder Full (max)
オープンウェイトなしなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$1.50 / $9.00 / $0.150–

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリGemini 3.5 Flash (high)Muse Wonder Full (max)トップ
推論60.665.8Muse Wonder Full
コーディング59.569.9Muse Wonder Full
エージェント・ツール62.863.6互角
数学57.7–比較不可
知識63.362.3Gemini 3.5 Flash
指示追従74.4–比較不可
人間の評価66.8–比較不可
マルチモーダル66.2–比較不可
長文コンテキスト61.266.6Muse Wonder Full

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論コーディングエージェント・ツール知識長文コンテキストGemini 3.5 Flash, 推論: 60.6Gemini 3.5 Flash, コーディング: 59.5Gemini 3.5 Flash, エージェント・ツール: 62.8Gemini 3.5 Flash, 知識: 63.3Gemini 3.5 Flash, 長文コンテキスト: 61.2Muse Wonder Full, 推論: 65.8Muse Wonder Full, コーディング: 69.9Muse Wonder Full, エージェント・ツール: 63.6Muse Wonder Full, 知識: 62.3Muse Wonder Full, 長文コンテキスト: 66.6

描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従, マルチモーダル, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある27件のベンチマークのうち、Gemini 3.5 Flashのリードが1件、Muse Wonder Fullのリードが26件です。

総合IndexGemini 3.5 Flash (high)Muse Wonder Full (max)トップ
BenchLeader Index62.561.7互角

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Gemini 3.5 Flash (high)Muse Wonder Full (max)
100万トークンあたりのブレンド価格$3.38–
100万トークンあたりの入力/出力$1.50 / $9.00– / –
100万トークンあたりのキャッシュ入力$0.150–
タスクあたりの価格:チャットの返答$0.0033–
タスクあたりの価格:30ページのレポートを要約$0.023–
タスクあたりの価格:コード編集$0.022–
タスクあたりの価格:エージェント型コーディングセッション$0.126–
タスクあたりの価格:構造化データの抽出$0.0048–
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.065–
タスクあたりの出力トークン(AA Index)–88k
うち推論–55k
出力速度176 tok/s–
回答開始までの時間9.9秒–
回答が完了するまでの時間(最終測定2026年11月13日)27.6秒–

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.5 Flash (high)のスコアは62.5、最初の回答トークンまで10秒。Gemini 3.5 Flash (medium)は61.8(9秒)、Gemini 3.5 Flash (minimal)は55.6(3秒)。Muse Wonder Full (max)のスコアは61.7。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

147件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Gemini 3.5 Flash (high)Muse Wonder Full (max)
BenchLeader IndexBenchLeader62.561.7
エージェント・ツールスコアBenchLeader62.863.6
コーディングスコアBenchLeader59.569.9
人間の評価スコアBenchLeader66.8–
指示追従スコアBenchLeader74.4–
知識スコアBenchLeader63.362.3
長文コンテキストスコアBenchLeader61.266.6
数学スコアBenchLeader57.7–
マルチモーダルスコアBenchLeader66.2–
推論スコアBenchLeader60.665.8
ブレンド価格($/100万トークン)BenchLeader$3.38–
出力速度BenchLeader176 tok/s–
回答開始までの時間BenchLeader9.9秒–
コンテキストウィンドウBenchLeader1,048,576トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.8%–
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)1496–
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%53.6%
HLE-Diamond (AA)Artificial Analysis–48.5%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%32.9%
CritPt v2 hard subset (AA)Artificial Analysis–56.5%
MysteryMechanismVals AI–35.1%
Arena ExpertArena (LMArena)1491–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%–
LMCAEpoch AI Benchmarking Hub47.1%–
DTBenchEpoch AI Benchmarking Hub94.7%–
ForecastBenchForecastBench64.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%–
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)1508–
Arena WebDevArena (LMArena)15001724
147件のベンチマークをすべて表示
指標公開元Gemini 3.5 Flash (high)Muse Wonder Full (max)
コーディング
LiveBench 1.0 CodingLiveBench78.2%–
SciCode (AA)Artificial Analysis53.9%62.6%
LiveCodeBenchVals AI87.6%–
IOIVals AI–79.8%
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI0.0%0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI48.7%86.0%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.0–
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%57.1%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 263.2–
Design Arena WebsiteDesign Arena1260†–
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis–37.8%
エージェント・ツール
APEX-AgentsMercor27.5%†–
Arena AgentArena (LMArena)–9
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis40.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
Terminal-Bench 2.1 (Vals)Vals AI74.2%–
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis12111857
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%–
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI57.9%59.1%
Finance Agent v2.1Vals AI–67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–23.3%
Harvey's Legal Agent Benchmark v1Vals AI2.5%21.7%
Legal Research BenchVals AI30.8%53.4%
Robo-benchVals AI–10.4%
SkillsBenchVals AI52.7%–
SREBenchVals AI–11.8%
Tax Agent BenchVals AI21.6%43.0%
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%58.1%
Terminal-Bench ScienceVals AI5.7%37.1%
Web Search IndexVals AI37.0%–
Arena Agent Task CompletionArena (LMArena)–11.1
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
AutomationBenchArtificial Analysis42.1%71.3%
GDP.pdf (AA)Artificial Analysis19.8%32.6%
Harvey LAB-AA v1.1Harvey–13.1%
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis8761729
GDPxGDPx by SemiAnalysis–9.0%
Design Arena AgenticDesign Arena1174†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–37.1%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%–
ProofBenchVals AI31.0%–
LiveBench MathematicsLiveBench88.2%–
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)1497–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%–
LiveBench 1.0 Data AnalysisLiveBench64.9%–
AA-Omniscience v1.1Artificial Analysis–30.6
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%87.4%
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
BioMysteryBenchVals AI–73.3%
Excel Modeling BenchmarkVals AI63.5%71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI55.8%49.9%
MedScribeVals AI76.6%89.3%
Public Benefits Bench v1.1Vals AI59.5%73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI63.0%75.0%
Immigration BenchVals AI–71.2%
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–82.4%
指示追従
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)1465–
人間の評価
Arena TextArena (LMArena)1478–
EQ-Bench 4EQ-Bench1077†–
Arena Creative WritingArena (LMArena)1465–
Arena Multi-turnArena (LMArena)1480–
Arena Longer QueriesArena (LMArena)1483–
マルチモーダル
Arena VisionArena (LMArena)1308–
MMMU-ProArtificial Analysis84.3%–
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%–
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%83.7%
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%22.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†–
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v5.0.1Artificial Analysis–50.1
AA Intelligence Index v4.3.2Artificial Analysis32.655.8
AA Progress Index v1Artificial Analysis305.1343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Multimodal IndexVals AI62.9%–
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI–77.9%
安全性・誠実さ
DistressBenchScale AI SEAL66.9%†–

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Gemini 3.5 Flash (high):新しい結果1件(GDPval-AA v2.1)、スコアの改訂1件。
  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • Gemini 3.5 Flash (high):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)。
  • Gemini 3.5 Flash (high):スコアの改訂1件。
  • Muse Wonder Full (max):スコアの改訂1件。
  • Muse Wonder Full (max):スコアの改訂1件。
  • Muse Wonder Full (max):新しい結果1件(Arena Agent)。
  • Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。
  • Gemini 3.5 Flash (high):新しい結果1件(AA Progress Index v1)。
  • Muse Wonder Full (max):新しい結果6件(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…)、スコアの改訂2件。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

Gemini 3.5 Flash vs Muse Wonder Full:よくある質問

Gemini 3.5 FlashはMuse Wonder Fullより優れていますか?
Gemini 3.5 Flash (high)とMuse Wonder Full (max)の品質は互角です(62.5 対 61.7、±3.6の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
コーディングにはGemini 3.5 FlashとMuse Wonder Fullのどちらが向いていますか?
コーディングではMuse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で70 対 60。50が平均)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、Gemini 3.5 Flashが1500、Muse Wonder Fullが1724です。
エージェントやツール利用にはGemini 3.5 FlashとMuse Wonder Fullのどちらが向いていますか?
エージェント型のタスクでは互角です(カテゴリ指標で63 対 64)。
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではMuse Wonder Fullの方がスコアが高くなっています(67 対 61)。どちらも約1Mトークンです(Gemini 3.5 Flashは1,048,576、Muse Wonder Fullは1,000,000)。
Gemini 3.5 FlashとMuse Wonder Fullについて、第三者ベンチマークの評価は一致していますか?
両方に結果がある27件のベンチマークのうち、Gemini 3.5 Flashのリードが1件、Muse Wonder Fullのリードが26件です。
ほかの質問(1件)
Muse Wonder Fullはいつリリースされましたか?
Muse Wonder Fullは2026年10月12日にリリースされました。